SparkSQL：codegen_spark.sql.codegen-优快云博客

本文链接：https://blog.youkuaiyun.com/daxuddaai/article/details/111051497

本文探讨了SparkSQL的优越性，重点在于Optimizer和Runtime，特别是Runtime中的Codegen技术。Codegen分为Expression级别和WholeStage级别，通过生成和编译Java代码以消除虚函数调用的性能损失，提升执行效率。文章介绍了为什么需要代码生成，以及Spark如何通过Whole-stage Code Generation优化性能，避免Volcano模型的性能问题，并引入Janino快速编译生成的代码。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考：1.一条 SQL 在 Apache Spark 之旅（下）https://www.iteblog.com/archives/2563.html

2.Spark Codegen浅析https://blog.youkuaiyun.com/weixin_45906054/article/details/103249183

3.Spark性能优化之Whole-stage code generationhttps://blog.youkuaiyun.com/zyzzxycj/article/details/82745336

仅用于自己学习记录用，有需要还是看原文吧

一、sparksql的优越性有两大技术支柱：Optimizer和Runtime

1.Optimizer寻找最优的执行计划

2.Runtime 把确定的执行计划近可能快的执行出来。

二、Runtime 分为两个层面：全局优化和局部优化

1.全局优化：从提升全局资源利用率、消除数据倾斜、降低io等角度做优化，如Adaptive Execution、Shuffle Removal

详情见 http://www.jasongj.com/spark/adaptive_execution/ Adaptive Execution 让 Spark SQL 更高效更智能

2.局部优化：优化具体的Task的执行效率，主要依赖Codegen技术，具体包括Expression级别和WholeStage级别的Codegen

Expression级别

表达式计算：x + (1 + 2)，用scala代码表达如下:

Add(Attribute(x), Add(Literal(1), Literal(2)))

递归求值这棵语法树的常规代码如下:

tree.transformUp {
  case Attribute(idx) => Literal(row.getValue(idx))
  case Add(Literal(c1),Literal(c2)) => Literal(c1+c2)
  case Lite